論文の概要: Ontology-driven Reinforcement Learning for Personalized Student Support

• arxiv url: http://arxiv.org/abs/2407.10332v1
• Date: Sun, 14 Jul 2024 21:11:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 18:39:42.556060
• Title: Ontology-driven Reinforcement Learning for Personalized Student Support
• Title（参考訳）: 個人化学生支援のためのオントロジー駆動型強化学習
• Authors: Ryan Hare, Ying Tang,
• Abstract要約: 本稿では,バーチャル教育システムに適用可能な,パーソナライズされた学生支援のための汎用フレームワークを提案する。 データ収集とマルチエージェント強化学習を組み合わせたセマンティックな組織に応用する。 その結果、学生にパーソナライズされた支援を提供するために、どんなバーチャル教育ソフトウェアにも適応できるモジュールシステムとなった。
• 参考スコア（独自算出の注目度）: 1.8972913066829966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the search for more effective education, there is a widespread effort to develop better approaches to personalize student education. Unassisted, educators often do not have time or resources to personally support every student in a given classroom. Motivated by this issue, and by recent advancements in artificial intelligence, this paper presents a general-purpose framework for personalized student support, applicable to any virtual educational system such as a serious game or an intelligent tutoring system. To fit any educational situation, we apply ontologies for their semantic organization, combining them with data collection considerations and multi-agent reinforcement learning. The result is a modular system that can be adapted to any virtual educational software to provide useful personalized assistance to students.
• Abstract（参考訳）: より効果的な教育を求めて、学生教育をパーソナライズするためのより良いアプローチを開発するために広く努力されている。 未支援の教育者は、特定の教室で生徒全員を個人的に支援する時間やリソースを持っていないことが多い。 この問題に触発され,近年の人工知能の進歩により,本研究では,真剣なゲームや知的学習システムなどの仮想教育システムに適用可能な,パーソナライズされた学生支援のための汎用フレームワークを提案する。 いずれの教育状況にも適合するため,本研究では,データ収集とマルチエージェント強化学習を組み合わせて,その意味体系にオントロジーを適用した。 その結果、学生にパーソナライズされた支援を提供するために、どんなバーチャル教育ソフトウェアにも適応できるモジュールシステムとなった。

関連論文リスト

• EduNLP: Towards a Unified and Modularized Library for Educational Resources [78.8523961816045]
  我々はEduNLPという,統一された,モジュール化された,広範なライブラリを紹介し,教育資源の理解に焦点をあてる。 このライブラリでは、ワークフロー全体を4つのキーモジュールに分離し、データ構成、処理、モデル実装、モデル評価など、一貫したインターフェースを提供します。 現在のバージョンでは、主に4つのカテゴリから10の典型的なモデルを提供し、教育領域における5つのダウンストリーム評価タスクを、ユーザの使用に対して8つの被験者に提供します。
  論文  参考訳（メタデータ） (2024-06-03T12:45:40Z)
• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• Multimodality in Online Education: A Comparative Study [2.0472158451829827]
  現在のシステムは、教育分野に焦点をあてていない単一のキューのみを考慮に入れている。 本稿では,オンライン教室における認識とその展開に影響を与えるマルチモーダルアプローチの必要性を強調した。 各キューで利用可能なさまざまな機械学習モデルを比較し、最も適切なアプローチを提供する。
  論文  参考訳（メタデータ） (2023-12-10T07:12:15Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• Combining Gamification and Intelligent Tutoring Systems in a Serious Game for Engineering Education [2.792030485253753]
  本稿では,本ゲームに統合されたパーソナライズされた学習システムの開発から,現在進行中の結果について述べる。 コンピュータインテリジェンスを用いて,ゲーム内行動から収集したデータに基づいて,Webカメラ画像から感情状態を推定することにより,学生に適応的に支援を行う。 本研究では,個人化された学習システムを用いてプレイした学生の事前試験結果を通じて,システムの有効性を実証する。
  論文  参考訳（メタデータ） (2023-05-26T01:24:19Z)
• Enhancing Textbooks with Visuals from the Web for Improved Learning [50.01434477801967]
  本稿では,Webからの画像を用いた教科書を自動的に強化する視覚言語モデルの有効性について検討する。 数学、科学、社会科学、ビジネス分野における電子教科書のデータセットを収集します。 次に,テキスト画像マッチングタスクを設定し,テキスト画像の検索とテキストへの適切な割り当てを行う。
  論文  参考訳（メタデータ） (2023-04-18T12:16:39Z)
• Reinforcement Learning Tutor Better Supported Lower Performers in a Math Task [32.6507926764587]
  強化学習は、開発コストを削減し、インテリジェントな学習ソフトウェアの有効性を向上させるための重要なツールとなり得る。 本研究では, 深層強化学習を用いて, 音量の概念を学習する学生に適応的な教育支援を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-04-11T02:11:24Z)
• A Machine Learning system to monitor student progress in educational institutes [0.0]
  本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。 信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
  論文  参考訳（メタデータ） (2022-11-02T08:24:08Z)
• Real-time Attention Span Tracking in Online Education [0.0]
  本稿では,オンライン授業中の学生のリアルタイムの注意レベルを監視するために,カメラフィードとマイクロホン入力を利用するメカニズムを提案する。 我々は,5つの異なる非言語的特徴を用いて,コンピュータによるタスク中の学生の注意スコアを計算し,学生と組織の両方に対してリアルタイムのフィードバックを生成するシステムを提案する。
  論文  参考訳（メタデータ） (2021-11-29T17:05:59Z)
• Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
  パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
  論文  参考訳（メタデータ） (2021-04-15T20:40:24Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。